ISO/IEC 42001: Der Rahmen, der KI-Projekte vom Pilot zum Betrieb bringt

Warum Pilotprojekte oft stecken bleiben

Viele Unternehmen haben inzwischen ein KI-Pilotprojekt hinter sich. Ein Chatbot, ein Dokumenten-Assistent, ein Modell zur Datenauswertung. Die Teams sind motiviert. Erste Ergebnisse überzeugen.

Und dann kommt der Moment, an dem aus dem Pilot ein produktives System werden soll. Genau hier scheitern viele Projekte. Nicht an der Technologie. Sondern an fehlenden Antworten auf einfache Fragen.

Wer verantwortet das System, wenn es Fehler produziert? Welche Risiken wurden überhaupt geprüft? Wer entscheidet, wenn ein Update das Verhalten des Modells verändert? Diese Fragen lassen sich in einem Pilotprojekt ignorieren. Im produktiven Betrieb nicht mehr.

Genau an diesem Punkt setzt ISO/IEC 42001:2023 an. Die Norm liefert keine Technologie-Vorgaben. Sie liefert eine Struktur für Verantwortung.

Was ISO/IEC 42001 tatsächlich regelt

ISO/IEC 42001 ist ein internationaler Managementsystemstandard. Er beschreibt, wie ein Artificial Intelligence Management System (AIMS) eingeführt, betrieben, überwacht und laufend verbessert wird.

Wichtig zu verstehen: Die Norm bewertet nicht ein einzelnes KI-Modell. Sie bewertet die organisatorische Steuerung von KI insgesamt. Ähnlich wie ISO 27001 nicht ein einzelnes IT-System zertifiziert, sondern das Sicherheitsmanagement einer ganzen Organisation.

Der Standard folgt der bei ISO-Systemen etablierten Plan-Do-Check-Act-Logik. Sieben Bereiche bilden das Rückgrat: Kontext, Führung, Planung, Unterstützung, Betrieb, Leistungsbewertung und Verbesserung.

Zwei Punkte sind für Unternehmen zentral:

• Die Norm ist freiwillig. Eine Zertifizierung ist möglich, aber nicht Voraussetzung für die Nutzung ihrer Prinzipien.
• Eine Zertifizierung bestätigt das Managementsystem. Sie ersetzt keine rechtliche Prüfung einzelner KI-Anwendungen, etwa im Hinblick auf den EU AI Act oder Datenschutzrecht.

Diese Trennung ist wichtig. ISO/IEC 42001 ist kein Ersatz für Rechtsberatung. Sie ist ein Ordnungsrahmen, der Governance systematisiert.

Das Governance-Modell: Wer entscheidet was

Der Kern jedes AIMS ist ein klares Rollenmodell. Die Norm schreibt keine Organigramme vor. Sie verlangt aber, dass bestimmte Funktionen inhaltlich abgedeckt sind. In kleineren Unternehmen kann eine Person mehrere Rollen tragen. Entscheidend ist, dass niemand im Unklaren bleibt, wer wofür zuständig ist.

In der Praxis bei KMU zeigt sich immer wieder das gleiche Muster: Die Rolle der obersten Leitung ist meist klar. Die Rolle der KI-Systemverantwortung dagegen nicht. Niemand hat explizit den Auftrag, ein einzelnes System über seinen gesamten Lebenszyklus zu verantworten. Genau diese Lücke führt später zu Problemen, wenn ein Vorfall eintritt und niemand zuständig ist.

Der operative Kernprozess: Ein KI-System über seinen Lebenszyklus steuern

Der praktisch wichtigste Teil der Norm ist der Prozess, mit dem ein einzelnes KI-System kontrolliert eingeführt und betrieben wird. Acht Schritte bilden diesen Prozess.

Schritt 1: Erfassen. Jedes KI-System wird inventarisiert. Bezeichnung, Verantwortung, Zweck, verwendete Modelle und Daten, Nutzergruppen. Ohne diesen Eintrag existiert das System aus Governance-Sicht nicht.

Schritt 2: Anforderungen bestimmen. Geschäftliche, technische, rechtliche und vertragliche Anforderungen werden dokumentiert. Sind Zweck oder Verantwortlichkeit unklar, gibt es keine Freigabe für den produktiven Einsatz. Diese Regel allein verhindert einen Grossteil der späteren Probleme.

Schritt 3: Risiken und Chancen bewerten. Zuverlässigkeit, Informationssicherheit, Transparenz, Datenqualität, Verzerrungen, Auswirkungen auf Personen und Abhängigkeiten von externen Anbietern. Diese Bewertung erfolgt nicht einmalig, sondern wiederholt sich in festgelegten Intervallen.

Schritt 4: Auswirkungen bewerten. Was bedeutet der Einsatz des Systems für betroffene Personen und Gruppen? Diese Frage wird oft übersehen, weil sie unbequem ist. Sie gehört aber zwingend zur Freigabeentscheidung.

Schritt 5: Kontrollen umsetzen. Aus der Risiko- und Auswirkungsbewertung werden konkrete organisatorische und technische Massnahmen abgeleitet. Wer setzt was um, bis wann, mit welchem Nachweis der Wirksamkeit?

Schritt 6: Validieren und freigeben. Eine dokumentierte Freigabe durch die zuständige Rolle, nicht durch Zufall oder Zeitdruck.

Schritt 7: Betreiben, überwachen, ändern. Wesentliche Änderungen an Modell, Daten, Anbieter oder Einsatzkontext lösen eine erneute Bewertung aus. Ein KI-System ist nie fertig geprüft.

Schritt 8: Stilllegen. Auch das Ende eines Systems wird geplant: Datenbehandlung, Zugriffsbeendigung, Aufbewahrung von Nachweisen.

Dieser Prozess ist der eigentliche Mehrwert der Norm. Er zwingt Unternehmen, Entscheidungen zu dokumentieren, bevor ein System live geht. Nicht danach.

Nachweise und Wirksamkeit: Kontrolle sichtbar machen

Governance, die nicht dokumentiert ist, existiert im Ernstfall nicht. Ein AIMS lebt von Nachweisen, die im Zweifel vorgelegt werden können.

Zu den zentralen Artefakten gehören: der dokumentierte Geltungsbereich und die AI Policy, das KI-Systeminventar, Risiko- und Auswirkungsbewertungen, Freigabe- und Änderungsnachweise, Lieferantenbewertungen sowie ein Register für Vorfälle und Korrekturmassnahmen.

Wichtig ist die Wirksamkeitsmessung. Beispiele für sinnvolle Kennzahlen: Anteil inventarisierter Systeme mit eindeutigem Owner, Anteil fristgerecht aktualisierter Risikobewertungen, Anzahl und Schwere von Vorfällen, Bearbeitungszeit für Korrekturmassnahmen. Jede Kennzahl braucht eine klare Definition, eine Datenquelle und eine Verantwortlichkeit. Pauschale Zielwerte ohne Bezug zum eigenen Kontext bringen wenig.

Bei Abweichungen gilt ein systematisches Vorgehen: Erfassen, Ursache analysieren, Massnahme bestimmen, umsetzen, Wirksamkeit prüfen, Dokumentation aktualisieren. Kritische Auswirkungen oder unkontrollierte Risiken werden eskaliert, an eine vorher festgelegte Instanz. Genau diese Klarheit fehlt in vielen Unternehmen, wenn ein KI-System unerwartetes Verhalten zeigt.

Ohne Zertifizierung zum eigenen Management System

Eine vollständige Zertifizierung nach ISO/IEC 42001 ist für viele KMU zu aufwendig. Externe Audits, umfangreiche Dokumentation, laufende Managementbewertungen. Das steht in keinem Verhältnis zu einem Unternehmen mit drei oder vier KI-Anwendungen.

Genau deshalb nutze ich die Norm in der Praxis anders. Nicht als Zertifizierungsziel, sondern als Blaupause. Die Struktur der Norm – Governance, Risikobewertung, Freigabeprozess, Nachweisführung – lässt sich verkleinern und auf die eigene Organisation zuschneiden, ohne die Substanz zu verlieren.

Konkret bedeutet das: Ein Unternehmen definiert eine kurze AI Policy, legt fest, wer für welches KI-System verantwortlich ist, führt ein einfaches Inventar der eingesetzten Systeme, bewertet Risiken nach einem festen, wiederholbaren Schema und dokumentiert Freigaben schriftlich. Kein hundertseitiges Handbuch. Ein paar klare Vorlagen, die konsequent angewendet werden.

Der Effekt ist trotzdem derselbe wie bei einer vollständigen Implementierung: Risiken werden nachvollziehbar bewertet, Verantwortlichkeiten sind geklärt, Entscheidungen sind rückverfolgbar. Genau das braucht ein Unternehmen, um von einem einzelnen Pilotprojekt zu einem skalierbaren, verantwortungsvollen KI-Einsatz zu kommen.

Die ISO-Norm ist damit kein Bürokratie-Instrument. Sie ist ein geprüftes Denkgerüst, das man auch ohne Siegel für sich arbeiten lassen kann.